最小错误率贝叶斯决策

在一般的模式识别问题中，人们的目标往往是尽量减少分类的错误，追求最小的错误率。根据之前的文章，即求解一种决策规则，使得：

$$\mathit{min}P(e)=\int P(e|x)p(x)\mathit{d}x$$
这就是 最小错误率贝叶斯决策。

在上式中，$P(e|x)\ge 0,p(x)\ge 0$对于所有的$x$均成立，故$minP(e)$等同于对所有的$x$最小化$P(e|x)$，即：使后验概率$P(w_i|x)$最大化。根据贝叶斯公式：

P(wi|x)=p(x|wi)P(wi)p(x)=p(x|wi)P(wi)∑kj